ABSTRAK
Peningkatan jumlah pengguna internet di Indonesia menunjang pertumbuhan platform e-commerce. Adanya potensi basis pelanggan yang lebih besar dan lebih beragam menjadi peluang sekaligus tantangan akibat peningkatan persaingan yang terjadi antar platform. Oleh karena itu, e-commerce perlu mengembangkan strategi pemasaran digital untuk menarik dan mempertahankan pelanggan. Sistem rekomendasi merupakan salah satu bentuk personalisasi layanan web yang dapat menunjang aktivitas pemasaran dengan memprediksi preferensi pengguna dan membantu menemukan produk yang mungkin diminati. Menilik pentingnya integrasi antara ecommerce sebagai advertiser dengan publisher dalam konsep strategi pemasaran, penelitian ini dilakukan untuk menganalisis preferensi pelanggan terhadap kategori produk berdasarkan pola navigasi yang terintegrasi pada website publisher dan e-commerce dengan membangun sistem rekomendasi terintegrasi antara e-commerce sebagai advertiser dengan publisher melalui ad platform menggunakan web mining. Berdasarkan hasil penelitian ini, model prediksi preferensi pelanggan terhadap kategori produk yang dibangun berdasarkan pola navigasi pelanggan pada e-commerce menggunakan algoritma decision tree C5.0 memiliki kinerja yang baik untuk memprediksi kategori produk preferensi pengguna dalam permintaannya di masa mendatang. Namun, proses integrasi pola navigasi dan topik penelusuran pada publisher kepada pola navigasi pelanggan pada e-commerce belum dapat memberikan pengaruh yang signifikan terhadap performa model prediksi preferensi pada e-commerce.

---

ABSTRACT
Increasing number of internet users in Indonesia boosts the development of e commerce platform. Whereas potential access to a larger and more diverse customer base is generally viewed as an opportunity, it can also represent increase in competition among e commerce platforms. Hence, e commerce needs to develop sophisticated digital marketing strategies to attract and retain customers. Recommendation system is one of web service personalization which enhances marketing activity by predicting user preferences and helps them find products that they may be interested in. Given the importance of integration between e commerce as advertiser and publisher in marketing strategy concept, this research was done to analyze customer preferences towards product categories based on navigation pattern in both publisher and e commerce by building integrated recommendation system between e commerce as advertiser and publisher through ad platform using web mining. Based on the results of this study, predictive models of customer preferences towards product category builds based on customer navigation pattern on e commerce using decision tree C5.0 algorithm has good performance to predict user preferred product categories in future demand. However, the integration of customer navigational patterns and search topics in publishers to customer navigation patterns in e commerce has not been able to significantly influence the performance of customer preference prediction models in e commerce.